-
公开(公告)号：CN113239904A
公开(公告)日：2021-08-10
申请号：CN202110775324.2
申请日：2021-07-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于卷积神经网络的高分辨率密集目标计数方法，该方法为：对图像密度进行预估；基于标注数据通过高斯掩膜生成监督预测密度图；利用初级主干网络提取低层次特征；利用多路径扩张卷积层对多感受野的高级语义信息进行编码，获取全局的上下文信息；利用空间域注意力机制模块和通道域注意力机制模块进一步区分前景与背景，减少模型的误判率并输出加入了注意力掩膜的特征图谱；利用编码阶段的多路特征图谱通过解码网络恢复图像的空间信息以生成最终的高分辨率预测密度图；对密度图进行求和得到预测的人群计数结果。本发明改善了由人群分布不均匀、尺度变化较大和前后景纹理相似等造成的计数不准的情况，有效提高了密集人群计数的精度。
-
公开(公告)号：CN113269167A
公开(公告)日：2021-08-17
申请号：CN202110810798.6
申请日：2021-07-19
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于图像分块打乱的人脸伪造检测方法，该方法步骤如下：利用人脸检测模型BlazeFace对输入图像进行人脸检测，并裁剪人脸区域；将裁剪后的图像缩放到固定尺寸，并对图像进行分块；对每个图像块进行图像块内打乱生成新图像；利用主干网络EfficientNet‑B3提取生成的新图像的多层特征；利用图像块空间‑通道注意力机制进一步区分特征信息，提取高级语义信息，获取图像块级特征；将获取的图像块级特征输入一个全连接层，得到最终的图像是伪造图像的概率。本发明有效提高了人脸伪造检测的精度，增强了人脸伪造检测模型的泛化能力，改善了检测任务面对未知的伪造方法性能退化严重的情况。
-
公开(公告)号：CN113269167B
公开(公告)日：2021-09-28
申请号：CN202110810798.6
申请日：2021-07-19
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于图像分块打乱的人脸伪造检测方法，该方法步骤如下：利用人脸检测模型BlazeFace对输入图像进行人脸检测，并裁剪人脸区域；将裁剪后的图像缩放到固定尺寸，并对图像进行分块；对每个图像块进行图像块内打乱生成新图像；利用主干网络EfficientNet‑B3提取生成的新图像的多层特征；利用图像块空间‑通道注意力机制进一步区分特征信息，提取高级语义信息，获取图像块级特征；将获取的图像块级特征输入一个全连接层，得到最终的图像是伪造图像的概率。本发明有效提高了人脸伪造检测的精度，增强了人脸伪造检测模型的泛化能力，改善了检测任务面对未知的伪造方法性能退化严重的情况。
-
公开(公告)号：CN113239904B
公开(公告)日：2021-09-28
申请号：CN202110775324.2
申请日：2021-07-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于卷积神经网络的高分辨率密集目标计数方法，该方法为：对图像密度进行预估；基于标注数据通过高斯掩膜生成监督预测密度图；利用初级主干网络提取低层次特征；利用多路径扩张卷积层对多感受野的高级语义信息进行编码，获取全局的上下文信息；利用空间域注意力机制模块和通道域注意力机制模块进一步区分前景与背景，减少模型的误判率并输出加入了注意力掩膜的特征图谱；利用编码阶段的多路特征图谱通过解码网络恢复图像的空间信息以生成最终的高分辨率预测密度图；对密度图进行求和得到预测的人群计数结果。本发明改善了由人群分布不均匀、尺度变化较大和前后景纹理相似等造成的计数不准的情况，有效提高了密集人群计数的精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
